ℹ

Zur Einordnung: Teile des Modells wurden per --cpu-offload-gb=44 GB in den System-RAM ausgelagert – RAM wird als erweiterter VRAM genutzt, was den Durchsatz senken kann.

Generation13,32tok/s

Prefill404,51tok/s

Time to First Token26.375,00ms

Gesamtdauer600,00s

Concurrency5parallel

Einordnung im Feld

Diese GPU Alle GPUs

47von 69 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel

Dieser Lauf ist besser als 31 % aller vergleichbaren Systeme.

Generation 13,3 tok/s

-97 % vs Ø 435,4

Prefill 404,5 tok/s

-92 % vs Ø 5.029,4

Time to First Token 26.375 ms

-53 % vs Ø 56.042

Verteilung im Feld0 – 1.302 tok/s

Ø 435 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-5b4937

1.301,9 tok/s

Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-5432cd

1.164,8 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-058a31

1.113,5 tok/s

Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA GeForce RTX 5090 · run-20260729-105334-daa9ee

992,1 tok/s

Nemotron-3-Nano-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105335-a19450

990,7 tok/s

Nemotron-Cascade-2-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105335-0bddc4

986,1 tok/s

Laguna-XS-2.1NVIDIA GeForce RTX 5090 · run-20260729-032123-7b377c

972,0 tok/s

Laguna-XS-2.1NVIDIA GeForce RTX 5090 · run-20260729-032122-3f4bf6

965,7 tok/s

Laguna-XS-2.1NVIDIA GeForce RTX 5090 · run-20260729-032122-40e750

959,9 tok/s

Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260729-105335-2a979a

946,7 tok/s

Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5090 · run-20260729-105335-68b2c1

935,4 tok/s

Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 5090 · run-20260729-105335-2d74e4

931,7 tok/s

Qwen3-Omni-30B-A3B-ThinkingNVIDIA GeForce RTX 5090 · run-20260729-105335-e7e615

930,3 tok/s

Qwen3-VL-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260729-105336-3cf442

920,1 tok/s

gpt-oss-120b dieser LaufNVIDIA GeForce RTX 5090 · run-20260723-174504-d0392b

13,3 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 5× parallel · Generation (tok/s)

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-224611-76ff88

774,4 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260728-140953-39e113

765,2 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032120-77da45

706,5 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-034051-232fb9

706,4 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032120-31bce6

704,2 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032119-2ccf3b

684,4 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260818-165443-a83028

216,2 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094435-1f4d5b

63,3 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094435-7798ce

62,0 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094434-8505f0

61,9 tok/s

NVIDIA GeForce RTX 5070 Tirun-20260727-145956-35143c

53,1 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260728-034051-220a95

51,3 tok/s

Intel Arc Pro B70run-20260730-035055-ef2dce

32,4 tok/s

NVIDIA GeForce RTX 5090run-20260729-032121-54ebe0

30,3 tok/s

Hardware

GPU: NVIDIA GeForce RTX 5090 · 32 GB VRAM
CPU: AMD Ryzen 7 5800X3D 8-Core Processor
RAM: 126 GB
Mainboard: ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING

Setup

Runtime: vLLM
Quantisierung: -
Modell: gpt-oss-120b

Konfiguration

benchmark-konfiguration — run-20260723-174504-d0392b

# LLM-Benchmark Konfiguration # Modell : gpt-oss-120b # Engine : vLLM # Run-ID : run-20260723-174504-d0392b # GPU : NVIDIA GeForce RTX 5090 # CPU : AMD Ryzen 7 5800X3D 8-Core Processor # RAM : 126 GB bench@llm-benchmark:~$ /opt/gcs_venv/bin/python3 /opt/gcs_venv/bin/vllm serve openai/gpt-oss-120b \ --served-model-name gpt-oss-120b \ --dtype auto \ --max-model-len 8192 \ --gpu-memory-utilization 0.92 \ --cpu-offload-gb 44 \ --trust-remote-code \ --host 0.0.0.0 \ --port 8000

Engine?Die Inferenz-Software, die das Modell ausliefert (z.B. vLLM oder llama.cpp). Sie bestimmt Geschwindigkeit, unterstuetzte Modellformate und welche Parameter ueberhaupt verfuegbar sind.	vllm
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	gpt-oss-120b
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	gpt-oss-120b
Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format.	auto
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	8192
GPU-Speicher?Anteil des GPU-Speichers (0 bis 1), den vLLM belegen darf. 0.92 = 92 %. Hoeher = mehr Platz fuer den KV-Cache (mehr/laengere parallele Anfragen), aber groesseres Risiko fuer 'Out of Memory'.	0.92
cpu-offload-gb?Menge an Modellgewichten in GiB, die in den CPU-RAM ausgelagert wird. Ermoeglicht groessere Modelle als der GPU-Speicher fasst, kostet aber Geschwindigkeit.	44
Trust-Remote-Code?Erlaubt vLLM, mit dem Modell mitgelieferten Python-Code auszufuehren. Noetig fuer Architekturen, die vLLM nicht von Haus aus kennt. Nur bei vertrauenswuerdigen Modellen aktivieren.	aktiv

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

gpt-oss-120b auf verschiedener Hardware

Alle veröffentlichten Performance-Läufe dieses Modells – jede Blase eine Variante: Position = Prefill (X) × Generation (Y), Blasengröße = Anzahl Läufe. Näher oben rechts = schneller. ★ Gold markiert = dieser Benchmark.

GPUnach Grafikkarte

NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.335,9 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.229,7 tok/sAMD Radeon PRO W7900 Dual Slot 216,2 tok/sAMD Radeon AI PRO R9700 107,0 tok/sNVIDIA GeForce RTX 3090 Ti 85,3 tok/sNVIDIA GeForce RTX 5070 Ti 60,1 tok/s★ NVIDIA GeForce RTX 5090 42,3 tok/s dieser LaufIntel Arc Pro B70 32,4 tok/sNVIDIA GeForce RTX 2060 5,3 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.335,9 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.229,7 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 216,2 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 107,0 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 85,3 tok/s★ AMD Ryzen 7 5800X3D 8-Core Processor 42,3 tok/s dieser LaufAMD Ryzen 9 7945HX with Radeon Graphics 32,4 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 5,3 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.335,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.229,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 216,2 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 85,3 tok/s★ ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 42,3 tok/s dieser LaufShenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 32,4 tok/sDell Inc. PowerEdge R820 5,3 tok/s

ENGnach Engine

llama.cpp 1.335,9 tok/sunbekannt 99,8 tok/s★ vLLM 21,5 tok/s dieser Lauf

DRVnach Treiber

unbekannt 1.335,9 tok/sAMD 7.0.0-27-generic 99,8 tok/sIntel 26.18.38308.4 32,4 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (5× parallel). Methodik →

⚙️ KonfigurationAlle Kennzahlen und Diagramme unten folgen diesen Einstellungen – bezogen auf 24 Monate Laufzeit.In URL übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 72 W

⚡ TDP 622 W

☁️ Externes LLM (API) anzeigen

Input €/1M Output €/1M Input je Output-Token

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)622 W geschätzt (TDP)GPU 575 + CPU 35 + Board 12 W Volllast

Ø-Kosten / Stunde0,19 EUR

Strom / 1 Mio. Token3,89 EUR

Token / kWh77,16 Tsd.

Anschaffung (System)4.986 EUR VollpreisGPU 3.300 EUR · CPU 349 EUR · Board 149 EUR · RAM 1.008 EUR · Netzteil 180 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)8.253 EUR

Output-Token (2 Jahre)840,12 Mio.

☁️ Externes LLM (API) – Vergleich

Externe LLM-Kosten (2 Jahre)–

Ersparnis vs. extern (2 Jahre)–

Alle Werte oben und die Diagramme unten berücksichtigen die eingestellte System-Auslastung: bei X % generiert das System nur X % der Zeit, die restliche Zeit läuft es im Idle (72 W). Kosten pro Stunde sinken dadurch (mehr Idle), Kosten je Token steigen.

Kosten über 2 Jahre – nur Strom

Kosten über 2 Jahre – inkl. Anschaffung (TCO)

Geschwindigkeit vs. Token pro Euro

Euro pro 1 Mio. Token

Vergleich zur API – Wirtschaftlichkeit je Benchmark

	gpt-oss-120bNVIDIA GeForce RTX 5090	gpt-oss-120bNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gpt-oss-120bNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gpt-oss-120b3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

NVIDIA GeForce RTX 5090 · dieser Lauf 13 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 774 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 765 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 706 tok/s

Vergleich mit bis zu 3 nächstbesten Läufen dieses Modells bei gleicher Concurrency (mind. einer auf anderer Hardware). Leistung = GPU-TDP + CPU (Idle + 15 %) + Board (geschätzt), Anschaffung = komplettes System (GPU + CPU + Board + RAM + Netzteil), Preise = hinterlegte Marktpreise.

Beigesteuert von

Mario Alka Administrator

@marioalka

Ich bin Unternehmer, Softwareentwickler und KI-Enthusiast. Seit vielen Jahren entwickle ich Unternehmenssoftware und beschäftige mich inzwischen fast täglich mit lokalen LLMs, KI-Agenten und leistungsfähiger KI-Hardware.

Mit LLM-Benchmark.de möchte ich eine Plattform schaffen, auf der Modelle, GPUs und Agenten objektiv und reproduzierbar miteinander verglichen werden.